基于小波分析的腦電信號(hào)去噪方法研究

MACROBUTTONMTEditEquationSection2SEQMTEqn\r\hSEQMTSec\r1\hSEQMTChap\r1\h基于小波分析的腦電信號(hào)去噪方法研究摘要小波變換ADDINNE.Ref.{5EEB8945-0B0E-408A-84E3-C01416B7559D}[1]是20世紀(jì)80年代后期迅速發(fā)展起來(lái)的新興學(xué)科。它是在傅里葉分析ADDINNE.Ref.{9C0233C5-122A-496A-A831-2C25561115D4}[2]的基礎(chǔ)上發(fā)展起來(lái)的，但小波分析與傅里葉變換有很大的不同。總體來(lái)說(shuō)，傅里葉分析是整體域分析，用單獨(dú)的時(shí)域ADDINNE.Ref.{620D39D1-DA7D-403E-8ACA-AD87AEE36795}[3]或頻域表示信號(hào)的特征；而小波分析是整體域分析，它用時(shí)域和頻域的聯(lián)合來(lái)表示信號(hào)的特征。小波分析的理論和方法在信號(hào)處理ADDINNE.Ref.{CAB1B46A-B996-4590-965A-6F16F4CF2C18}[4]、圖像處理、語(yǔ)音處理、模式識(shí)別、量子物理等領(lǐng)域得到越來(lái)越廣泛的應(yīng)用，它被認(rèn)為是近年來(lái)在工具及方法上的重大突破。信號(hào)的采集與傳輸過(guò)程中，不可避免會(huì)受到大量噪聲信號(hào)的干擾，對(duì)信號(hào)進(jìn)行去噪，提取出原始信號(hào)是一個(gè)重要的課題。本文根據(jù)目前的研究課題基于腦電信號(hào)的機(jī)械外骨骼ADDINNE.Ref.{E007B747-BB48-4002-83C0-875F64F626EE}[5]系統(tǒng)研究與應(yīng)用，在此研究小波變換在腦電信號(hào)去噪中的應(yīng)用。關(guān)鍵詞小波變換、信號(hào)處理、腦電信號(hào)、機(jī)械外骨骼、小波包分析ADDINNE.Ref.{B6D324C3-5A2E-43F0-956B-1F5FD369CDFE}[6]AbstractWavelettransformisanewsubjectinthelatetwentiethCentury80developedrapidly.ItisdevelopedbasedontheanalysisonFouriertransformation，butwaveletandFouriertransformationareverydifferent.Overall,FouriertransformationanalysisisthewholedomainanalysisADDINNE.Ref.{E88A1307-3347-418B-BB14-D6CBB91B2035}[7],saidsignalcharacteristicsADDINNE.Ref.{FB69ABF6-3519-4EC2-9E1E-EFF81A58C24F}[8]withsingletimedomainorfrequencydomain;waveletanalysisisthewholedomainanalysis,itcombinedwiththetimedomainandfrequencydomaintorepresentthesignalfeatures.Thetheoryandmethodofwaveletanalysishasbeenappliedmoreandmorewidelyinsignalprocessing,imageprocessing,speechprocessing,patternrecognition,quantumphysicsandotherfields,itisconsideredamajorbreakthroughinthetoolsandmethodsinrecentyears.Collectionandtheprocessofsignaltransmission,willinevitablyreceivealotofnoisesignalinterference,thesignaldenoising,extracttheoriginalsignalisanimportanttopic.AccordingtothecurrentresearchtopicsbasedonEEGsignalresearchandapplicationofmechanicalexoskeletonsystem,theresearchofwavelettransformintheEEGsignaldenoisingapplications.Keywords:Wavelettransform,signalprocessing,brainelectricalsignal,mechanicalexoskeleton,waveletpacketanalysis第一章緒論引言在科幻電影《鋼鐵俠》中，鋼鐵俠ADDINNE.Ref.{3EC39E65-0738-49EE-844D-D8D0D4217CEE}[9]擁有賦予他超人力量、超人耐力、飛行能力與多種武器的外骨骼動(dòng)力裝甲，可以幫助他完成千奇百怪的動(dòng)作，完成驚險(xiǎn)刺激的任務(wù)。而現(xiàn)實(shí)中，由于存在一定的行走障礙，很多人需要使用一種電影中的戰(zhàn)衣一樣的外骨骼來(lái)增強(qiáng)他們的行走能力。如果我們可以運(yùn)用科學(xué)技術(shù)，讓這些人重新自由行走，將具有重要的社會(huì)意義。因此，對(duì)于行動(dòng)障礙者的康復(fù)儀器的研發(fā)一直是國(guó)外研究的一個(gè)熱點(diǎn)，現(xiàn)已研發(fā)出多種形式的康復(fù)治療器材，而用外骨骼下肢助力康復(fù)器進(jìn)行助力康復(fù)是一個(gè)非常有創(chuàng)新意義和實(shí)用價(jià)值的方案。該助力康復(fù)機(jī)器人材在人運(yùn)動(dòng)時(shí)，兼具康復(fù)和助力功能，通過(guò)采集、處理、分析步態(tài)信息，實(shí)現(xiàn)腿部的支撐、保護(hù)、輔助運(yùn)動(dòng)等功能。而在這個(gè)系統(tǒng)中，要想成功運(yùn)用，信息處理就成了必不可少的一部分，如何處理和得到有效的信號(hào)是決定該系統(tǒng)成敗的關(guān)鍵，本文結(jié)合小波分析，旨在信號(hào)去噪方面取得一定的效果。腦電信號(hào)ADDINNE.Ref.{2D540606-E039-4DC6-B50F-AA3534DBD1B3}[10]就是將來(lái)要處理的主要信號(hào)。而腦電信號(hào)具有以下特點(diǎn),①腦電信號(hào)非常微弱,背景噪聲很強(qiáng),一般的EEG信號(hào)只有50μV左右,最大的100μV;②腦電信號(hào)是一種隨機(jī)性很強(qiáng)的非平穩(wěn)信號(hào);③非線性,生物組織的調(diào)節(jié)及適用機(jī)能必然影響到電生理信號(hào),從而呈現(xiàn)非線性的特點(diǎn);④腦電信號(hào)信號(hào)的頻域特征ADDINNE.Ref.{426A8F71-C470-433E-B57A-19832D15A571}[11]比較突出。因此,基于腦電信號(hào)的上述特性,如何消除原始腦電數(shù)據(jù)中的噪聲以更好地獲取反映大腦活動(dòng)和狀態(tài)的有用信息,如何更好的提取出腦電信號(hào)的各個(gè)節(jié)律,以及如何更好的進(jìn)行腦電功率譜的分析是對(duì)腦電信號(hào)處理分析的三個(gè)最為重要的方面。本文僅在此研究小波變換在腦電信號(hào)去噪中ADDINNE.Ref.{4C5FA1E7-9B68-4AFB-9778-39501F5A6060}[12]的應(yīng)用。MACROBUTTONMTEditEquationSection2SEQMTEqn\r\hSEQMTSec\r1\hSEQMTChap\h第二章小波基本理論2.1小波分析定義小波分析是自1986年以來(lái)由Y.Meyer、S.Mallat及I.Daubechies等人的奠基工作而迅速發(fā)展起來(lái)的一門(mén)新興學(xué)科，是建立在傅立葉(Fourier)變換的基礎(chǔ)上的。由于傅立葉分析ADDINNE.Ref.{1BCBE49B-4127-49DB-9D11-3DF48BE77B23}[13]只能以單個(gè)變量描述信號(hào)ADDINNE.Ref.{EED1E301-56DB-4D0A-9F86-01BC99E1DC75}[14]（要么完全在時(shí)域，要么完全在頻域），所以無(wú)法表述信號(hào)的時(shí)頻局部性質(zhì)ADDINNE.Ref.{B5F7978B-A4A3-45F2-8590-DB53E4C5830E}[15]，而這種時(shí)頻局部性質(zhì)恰恰是非平穩(wěn)信號(hào)最根本和最關(guān)鍵的性質(zhì)。因?yàn)樾盘?hào)中的高頻成分一般對(duì)應(yīng)的是時(shí)域中的快變成分，如尖脈沖等，所以對(duì)高頻成分分析要時(shí)域分辨率ADDINNE.Ref.{F8EB77CF-EC7A-404A-867D-A3305BE85A4A}[16]好；反之，低頻信號(hào)是信號(hào)的慢變成分，時(shí)間分辨率可以放寬，但頻率分辨率要好，而小波變換正是在這種背景下提出的，即利用聯(lián)合的時(shí)間-尺度函數(shù)來(lái)分析非平穩(wěn)信號(hào)，窗口大小固定不變，形狀可改變，在低頻部分具有較高的頻率分辨率，在高頻部分具有較高的時(shí)間分辨率，頻率窗ADDINNE.Ref.{215F756C-074C-432B-865C-31AFE334DC12}[17]和時(shí)間窗都可以改變，很好地解決時(shí)間分辨率和頻率分辨率ADDINNE.Ref.{4B1E9107-E198-49B8-BEA9-4802995BEB2C}[14]的矛盾，從根本上克服了Fourier分析的缺點(diǎn)。2.1.1連續(xù)小波變換設(shè)，其傅里葉變換為，當(dāng)滿足允許條件（完全重構(gòu)條件）。稱(chēng)為一個(gè)基本小波或母小波ADDINNE.Ref.{5BE8E458-9004-47FD-9B27-91AF4ED186D2}[18](MotherWavelet)。它說(shuō)明了基本小波在其頻域內(nèi)具有較好的衰減性。其中，當(dāng)時(shí)，有=0，同時(shí)有。因此，一個(gè)允許的基本小波的幅度頻譜類(lèi)似于帶通濾波器ADDINNE.Ref.{B041550F-9485-41B0-B4E2-5834B31EB23A}[19]的傳遞函數(shù)。事實(shí)上，任何均值為零(即)且在頻率增加時(shí)以足夠快的速度消減為零(空間局域化特征)的帶通濾波器的沖激響應(yīng)(傳遞函數(shù))，都可以作為一個(gè)基本小波。將母函數(shù)經(jīng)過(guò)伸縮和平移后得到：稱(chēng)其為一個(gè)小波序列。其中a為伸縮因子，b為平移因子。通常情況下，基本小波以原點(diǎn)為中心，因此是基本小波以為中心進(jìn)行伸縮得到。基本小波被伸縮為(時(shí)變寬，而時(shí)變窄)可構(gòu)成一組基函數(shù)。在大尺度a上，膨脹的基函數(shù)ADDINNE.Ref.{B81CF074-34FD-4B3D-9BB3-9872A571E1CD}[20]搜索大的特征，而對(duì)于較小的a則搜索細(xì)節(jié)特征。對(duì)于任意的函數(shù)的連續(xù)小波變換為：ADDINNE.Ref.{46FCC976-D252-4AE5-A1C4-E7E18F909566}[21]由于基小波生成的小波在小波變換中對(duì)被分析的信號(hào)起著觀測(cè)窗的作用，所以還應(yīng)該滿足一般函數(shù)的約束條件：故是一個(gè)連續(xù)函數(shù)，這意味著為了滿足重構(gòu)條件式(2.4)，在原點(diǎn)必須等于零，即：此即說(shuō)明具有波動(dòng)性。為了使信號(hào)重構(gòu)ADDINNE.Ref.{2D3A128E-4ACA-4F54-94E7-F67F1274728D}[22]的實(shí)現(xiàn)上是穩(wěn)定的，除了滿足重構(gòu)條件外，還要求的傅立葉變換滿足如下穩(wěn)定性條件：式中，。當(dāng)此小波為正交小波時(shí)，其重構(gòu)公式為：在小波變換過(guò)程中必須保持能量成比例，即：由于基小波生成的小波在小波變換中對(duì)被分析的信號(hào)起著觀測(cè)窗的作用，所以還應(yīng)該滿足一般函數(shù)的約束條件：故是一個(gè)連續(xù)函數(shù)，這意味著為了滿足重構(gòu)條件式(2.4)，在原點(diǎn)必須等于零，即：此即說(shuō)明具有波動(dòng)性ADDINNE.Ref.{995F4060-5A6B-4E75-A00A-479B1328D505}[23]。為了使信號(hào)重構(gòu)的實(shí)現(xiàn)上是穩(wěn)定的，除了滿足重構(gòu)條件外，還要求的傅立葉變換滿足如下穩(wěn)定性條件：式中，。MACROBUTTONMTEditEquationSection2SEQMTEqn\r\hSEQMTSec\r1\hSEQMTChap\h第三章小波去噪原理小波變換作為一種新的信號(hào)處理工具，近些年來(lái)在信號(hào)去噪領(lǐng)域的應(yīng)用也日漸增多，其優(yōu)良的去噪性能ADDINNE.Ref.{4852AD1C-622C-4744-91BB-AC8E549F4C4D}[24]己越來(lái)越多地引起人們的關(guān)注和重視。小波去噪的方法很多，例如，1988年，Mallat提出了多分辨分析ADDINNE.Ref.{540F907A-F22A-4808-BBE4-47C025D5720B}[25]的理論，在此基礎(chǔ)上，可利用小波分解與重構(gòu)的方法進(jìn)行濾波降噪；1991年,Malalt又提出了奇異性檢測(cè)的理論，根據(jù)這一理論,我們可以利用小波變換模極大值的方法去噪；1994年,Dnoho等人提出了非線性小波變換闡值法去噪，該方法由于具有良好的去噪性能而得到非常廣泛的應(yīng)用；與傳統(tǒng)的Fourier變換相比，小波變換有著良好的時(shí)頻局部化分析特性，在信號(hào)處理中，利用小波變換給信號(hào)去噪同樣受到了許多學(xué)者的重視，在對(duì)小波去噪方法ADDINNE.Ref.{5A116783-FF68-42DD-958F-8CD42B7BFD84}[26]的研究中，出現(xiàn)了許多不同的基于小波變換的信號(hào)去噪方法。比如有:屏蔽去噪法，小波變換模極大值去噪方法，小波閡值去噪方法，平移不變量小波去噪方法等等。3.1信號(hào)和噪聲的小波特性3.1.1含噪信號(hào)的數(shù)學(xué)模型設(shè)有如下觀測(cè)信號(hào) 其中是原始信號(hào)，日常出現(xiàn)的噪聲基本都服從或近似服從高斯分布，于是假設(shè)為方差為。直接從觀測(cè)信號(hào)中把有用信號(hào)提取出來(lái)是很困難的，必須借助于其他變換方法作為工具。通常利用數(shù)學(xué)變換將信號(hào)去噪問(wèn)題從時(shí)域轉(zhuǎn)換到頻域加以解決，由于小波變換是線性的，所以含噪聲信號(hào)的小波變換等于信號(hào)的小波變換與噪聲的小波變換之和。于是小波去噪的基本方法是：首先對(duì)含噪聲信號(hào)進(jìn)行多尺度小波變換，然后在尺度下盡可能提取出信號(hào)的小波系數(shù)而去除屬于噪聲ADDINNE.Ref.{67A1A594-A615-41D3-932B-B93E8B031D13}[27]的小波系數(shù)，最后逆小波變換重構(gòu)信號(hào)，從而到達(dá)去噪的目的。其中的關(guān)鍵是用什么準(zhǔn)則來(lái)去除屬于噪聲的小波系數(shù)，而相對(duì)增強(qiáng)屬于信號(hào)的部分。3.2小波信號(hào)去噪問(wèn)題的一般描述基于小波的信號(hào)去噪問(wèn)題在數(shù)學(xué)上是一個(gè)函數(shù)逼近的問(wèn)題,即如何在由小波基函數(shù)伸縮和平移所張成的函數(shù)空間中,根據(jù)某一個(gè)衡量準(zhǔn)則,尋找對(duì)真實(shí)信號(hào)的最佳逼近ADDINNE.Ref.{09F03B5A-FD56-4524-9563-0B9BB336837D}[28],以期達(dá)到將噪聲從真實(shí)信號(hào)中去除的目的。小波信號(hào)去噪問(wèn)題的數(shù)學(xué)描述為ADDINNE.Ref.{103D9388-7298-4699-8860-44156C48299F}[29]由小波信號(hào)去噪問(wèn)題的數(shù)學(xué)描述，實(shí)際上，基于小波的信號(hào)去噪就是為了尋找從含噪信號(hào)空間到小波函數(shù)空間的最佳映射，以便得到真實(shí)信號(hào)的最佳恢復(fù)。從信號(hào)處理的角度來(lái)看,小波去噪問(wèn)題就是一個(gè)信號(hào)濾波問(wèn)題，盡管在很大程度上小波去噪可以視為低通濾波，但由于小波去噪后，還能成功地保留原有真實(shí)信號(hào)的特征信息，所以從這一點(diǎn)來(lái)說(shuō)，基于小波的信號(hào)去噪方法是優(yōu)于傳統(tǒng)的基于Fouxier變換的信號(hào)低通濾波的。由此可見(jiàn)，小波去噪實(shí)際上是特征提取和低通濾波的綜合，其濾波過(guò)程可以用下圖3-1來(lái)表示圖3-1小波去噪的濾波過(guò)程圖3.3信號(hào)小波去噪的一般原理一個(gè)含噪聲的一維信號(hào)模型可以用如下形式表示:其中:為真實(shí)信號(hào),為噪聲,為含噪聲的信號(hào),為噪聲水平系數(shù)。在實(shí)際工程應(yīng)用中，有用的信號(hào)通常表現(xiàn)為低頻信號(hào)或者一些比較平穩(wěn)的信號(hào)，而噪聲信號(hào)一般則表現(xiàn)為高頻信號(hào)。消噪過(guò)程ADDINNE.Ref.{DD5502DC-EAF8-4F1E-8D22-CA915BB60E76}[30]可以按以下方法進(jìn)行處理：首先對(duì)信號(hào)進(jìn)行小波分解。以三層分解為例，如下圖3-2,則噪聲部分通常包含在中，再對(duì)分解以后的小波系數(shù)選取合適的閡值進(jìn)行處理，然后用處理以后的小波系數(shù)重構(gòu)信號(hào)ADDINNE.Ref.{42FB01D7-C71E-447F-80A3-4E76E965AF2E}[31]，這樣就可以達(dá)到消噪的目的。圖3-2信號(hào)的三層小波分解圖3.4信號(hào)小波去噪的一般過(guò)程(l)信號(hào)的小波分解：包括選擇一個(gè)確定的小波基函數(shù)和小波分解層次N，對(duì)信號(hào)進(jìn)行N層小波分解。(2)高頻系數(shù)的閏值量化：選擇一個(gè)閉值量化準(zhǔn)則，對(duì)每一個(gè)分解層次中的高頻系數(shù)進(jìn)行閩值量化處理。(3)小波重構(gòu)：根據(jù)閉值量化以后的第1到第N層的高頻系數(shù)和第N層的低頻系數(shù)進(jìn)行小波逆變換，重構(gòu)去噪以后的信號(hào)第四章基于小波包的去噪方法通常離散小波變換ADDINNE.Ref.{FC405303-5CD9-4110-94B3-C24C70AB456A}[32]在信號(hào)高頻部分,頻率分辨率較差；在低頻部分，時(shí)間分辨率較差。而小波包分析ADDINNE.Ref.{67C236B0-CD44-4EE8-B1A0-2A375429E608}[33]能提供一種更加精細(xì)的分析方法，將頻帶進(jìn)行多層次劃分，對(duì)小波變換沒(méi)有細(xì)分的高頻部分進(jìn)一步的分解，獲得了更豐富的時(shí)頻局部化信息。經(jīng)典小波分析ADDINNE.Ref.{01A2E3C7-46AB-4D99-81D2-AC58D5E23332}[34]是建立在傅立葉分析基礎(chǔ)上的，因而在一定程度上受到傅立葉分析的限制。小波分析中的兩個(gè)核心概念一一小波變換和多分辨率分析ADDINNE.Ref.{0C3954FC-0C85-4841-95F0-95DE4705FE72}[35]都是建立在二進(jìn)平移和伸縮思想基礎(chǔ)上的，這種思想直接來(lái)源于信號(hào)處理領(lǐng)域。我們稱(chēng)用這種經(jīng)典多分辨率分析框架構(gòu)造的小波為第一代小波ADDINNE.Ref.{DBAEB0CD-3F60-4C62-B97C-11291EFF96BF}[36]。1996年,Swedens提出了不依賴(lài)傅立葉變換的小波提升算法(1iftingshceme)這種小波構(gòu)造方法ADDINNE.Ref.{8DE87592-119C-42B1-8AA8-F4C6D674B8D7}[37]擺脫了傅立葉變換，放棄了二進(jìn)平移和伸縮的條件ADDINNE.Ref.{15E560C7-918F-4E4B-B8B6-16F38C031C8E}[38]，可根據(jù)需要來(lái)設(shè)計(jì)小波基，但獲得的小波具有第一代小波所有優(yōu)點(diǎn)，同時(shí)很大程度上減少了運(yùn)算。已經(jīng)證明實(shí)系數(shù)小波不能同時(shí)具有這些性質(zhì)，這些限制了小波的應(yīng)用，而多小波可以同時(shí)滿足這些性質(zhì)，所以具有獨(dú)特優(yōu)勢(shì)。4.1小波包去噪的一般原理基于小波包變換的信號(hào)去噪過(guò)程可以分為下面四個(gè)步驟:(1)含噪信號(hào)的小波包分解：選擇一個(gè)小波并確定一個(gè)小波分解ADDINNE.Ref.{69F9CA2D-A614-49C6-A154-AEFC8AFEA9E2}[39]的層次N，然后對(duì)含噪信號(hào)進(jìn)行N層小波包分解。(2)確定小波包分解的最優(yōu)小波包基：對(duì)于一個(gè)給定的嫡標(biāo)準(zhǔn)，計(jì)算最佳樹(shù)，從而確定最優(yōu)小波包基。(3)小波包分解系數(shù)的閡值量化：對(duì)于每一個(gè)小波包分解系數(shù)(特別是低頻分解系數(shù))，選擇一個(gè)適當(dāng)?shù)拈]值并對(duì)系數(shù)進(jìn)行閉值量化ADDINNE.Ref.{C0D8B914-3356-40B0-A8B4-B1C8ECDA7F42}[40]。(4)信號(hào)的小波包重構(gòu)：根據(jù)第N層的小波包分解系數(shù)和閉值量化后的系數(shù)進(jìn)行小波包重構(gòu)。下面是基于小波包變換信號(hào)去噪的直觀流程圖4-1圖4-1基于小波包變換信號(hào)去噪的流程圖通過(guò)分析以上的小波包去噪原理,我們可以發(fā)現(xiàn):利用小波包變換給信號(hào)去噪,必須要解決關(guān)鍵的三個(gè)問(wèn)題：第一，在步驟(1)中，如何根據(jù)實(shí)際的問(wèn)題去選擇小波基函數(shù)以及確定分解層次N，甚至我們還可以通過(guò)自己去構(gòu)造新的小波基函數(shù)來(lái)更好的處理實(shí)際問(wèn)題；第二，在步驟(2)中，如何在眾多的小波包分解正交基中去尋找一個(gè)最優(yōu)的小波包基，從而根據(jù)最優(yōu)小波包基給信號(hào)作去噪處理，達(dá)到好的去噪效果；第三，在步驟(3)中，如何去確定一個(gè)合適的閑值，以及通過(guò)合適的閉值函數(shù)來(lái)給小波包分解系數(shù)作閉值量化處理。本章節(jié)中，主要討論第二和第三個(gè)問(wèn)題。4.2小波包去噪的matlab仿真下面基于matlabADDINNE.Ref.{2BF73C71-659E-4D64-AF50-A120842B8A58}[41]中的小波工具箱對(duì)一段含有噪聲的矩形波信號(hào)進(jìn)行了去噪仿真,在原始信噪比下作了三次模擬去噪實(shí)驗(yàn)。實(shí)驗(yàn)中我們利用sym4小波對(duì)進(jìn)行4層小波分解和小波包分解，在默認(rèn)閡值下進(jìn)行了小波去噪和小波包去噪，并與基于Fourier變換的去噪效果作了比較。原信號(hào)信噪比51015Fourier變換后信噪比8.916.325.6小波變換后信噪比12.321.630.9小波包變換后信噪比12.822.331.8表4-2各信噪比下去噪結(jié)果圖4-3原矩形波信號(hào)圖4-4基于Fourier變換的去噪效果圖4-5基于小波包變換的去噪效果通過(guò)以上原信號(hào)信噪比凡y尺=10的去噪效果圖以及在不同的信噪比下的三次模擬去噪實(shí)驗(yàn)結(jié)果,我們可以知道:小波包變換的確是一種良好的時(shí)頻局部化分析方法,利用小波包變換的方法給信號(hào)去噪是一種很有效的手段。因此,研究小波包變換的信號(hào)去噪方法是一件很有意義的事。第五章實(shí)驗(yàn)初步現(xiàn)狀根據(jù)電極放置方式不同，腦電圖分為頭皮腦電圖、皮層腦電圖和深部腦電圖等。由于皮層腦電圖和深部腦電圖是帶創(chuàng)傷的侵入式的，因此常規(guī)腦電圖檢查采用的是頭皮腦電圖。頭皮腦電是大腦神經(jīng)電活動(dòng)產(chǎn)生的電場(chǎng)經(jīng)容積導(dǎo)體(由皮層、顱骨、腦膜及頭皮構(gòu)成)傳導(dǎo)后在頭皮上的電位分布。記錄腦電圖需要用來(lái)收集腦電活動(dòng)并通過(guò)導(dǎo)線與腦電圖機(jī)相連的電極、放大器、濾波器和記錄、顯示設(shè)備等。關(guān)于電極放置位置，現(xiàn)在絕大多數(shù)實(shí)驗(yàn)室和醫(yī)院都是采用國(guó)際10／20系統(tǒng)標(biāo)準(zhǔn)電極放置法，一般放置在腦部19個(gè)特定的位置(有些系統(tǒng)有時(shí)省去了中線的三個(gè)電極，變成16個(gè)電極型)，如圖所示。除中間的三個(gè)電極(Fz，Cz，Pz)外，其余16個(gè)電極的放置位置都是對(duì)稱(chēng)的，每邊的電極都以同側(cè)耳垂作為參考電極。圖5-1腦電圖儀電極位置示意由于本實(shí)驗(yàn)?zāi)壳吧性谟布罱ǖ倪^(guò)程中，尚未涉及到信號(hào)處理這方面，在此僅根據(jù)所學(xué)知識(shí)進(jìn)行簡(jiǎn)單描述。ADDINNE.BibReferences:[1]. 吳勇,基于小波的信號(hào)去噪方法研究,2007,武漢理工大學(xué).第71頁(yè).[2]. 潘泉等,小波濾波方法及應(yīng)用.電子與信息學(xué)報(bào),2007(01):第236-242頁(yè).[3]. 倪豪,小波消噪與分解對(duì)結(jié)構(gòu)地震反應(yīng)的影響研究,2004,大慶石油學(xué)院.第62頁(yè).[4]. Sassa,S.andS.Iwaya,Haikaiso?sho.1912,To?kyo?:Hakubunkan.1.[5]. 思琪,從超級(jí)戰(zhàn)士到醫(yī)用機(jī)械外骨骼.新天地,2013(09):第60-61頁(yè).[6]. Sassa,S.andS.Iwaya,Haikaichu?shakushu?.Haikaiso?sho.1912,To?kyo?:Hakubunkan.1.[7]. Yang,L.,C.WangandZ.Wu.Researchontheselectionofwaveletbasesforwavelet-basedsignaltrendelimination.inWaveletActiveMediaTechnologyandInformationProcessing(ICWAMTIP),2012InternationalConferenceon.2012.Chengdu.[8]. Sheng,M.andJ.Chuanyi,Modelingheterogeneousnetworktrafficinwaveletdomain.Networking,IEEE/ACMTransactionson,2001.9(5):p.634-649.[9]. 本刊編輯部,鋼鐵俠外骨骼:賦予超人般的力量,可用于外星探險(xiǎn).讀寫(xiě)算(科技知識(shí)動(dòng)漫),2013(12):第4頁(yè).[10]. 蘇梅,可穿戴的機(jī)械衣.世界博覽,2012(19):第62-63頁(yè).[11]. 龍洋等,基于MATLAB小波去噪方法及應(yīng)用研究.數(shù)字技術(shù)與應(yīng)用,2012(08):第51-52+54頁(yè).[12]. 楊博與范弘,基于LabVIEW和MATLAB的超聲仿真信號(hào)的小波去噪技術(shù).計(jì)測(cè)技術(shù),2013(S2):第34-38頁(yè).[13]. 戴桂平與劉彬,基于小波去噪和EMD的信號(hào)瞬時(shí)參數(shù)提取.計(jì)量學(xué)報(bào),2007(02):第158-162頁(yè).[14]. 陶珂,小波去噪質(zhì)量評(píng)價(jià)方法研究,2012,中南大學(xué).第49頁(yè).[15]. 文莉,劉正士與葛運(yùn)建,小波去噪的幾種方法.合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版),2002(02):第167-172頁(yè).[16]. 王新樓,小波去噪方法分析與Matlab仿真.工業(yè)控制計(jì)算機(jī),2008(06):第55-56頁(yè).[17]. 許文博,小波去噪方法分析與研究,in四川省通信學(xué)會(huì)2011年學(xué)術(shù)年會(huì)2011:中國(guó)四川成都.第4頁(yè).[18]. Iwaya,S.andH.Sugiura,Kodakara.Saihan.ed.1912,To?kyo?:MitsukoshiGofukuten.95.[19]. Ding,M.,X.ZhangandG.Liu,Woguozhengfushehuizhilizhidugaigeyanjiu=Woguozhengfushehuizhilizhidugeigeyanjiu.Di1ban.ed.2009,BeijingShi:Zhongguojingjichubanshe.3.[20]. Xu,L.andX.Lu?,Zhonghuajindaiaiguozhuyijingshengtonglan.Di1ban.ed.1999,Nanjing:Dongnandaxuechubanshe.7.[21]. Shi,W.,X.QiuandJ.Zhao,Zhouyitushidadian.Di1ban.ed.1994,[Peking]:Zhongguogongrenchubanshe.2.[22]. Tamenweishenmeyaosheying:Zhongguodangdaisheyingjiafangtanlu.Di1ban.ed.2011,BeijingShi:Wenhuayishuchubanshe.9.[23]. Huang,Q.,R.LanandX.Chen,Guangxitongjing.Di1ban.ed.2004,